上市公司过度负债计算stata代码和数据结果2006-2022年分年Tobit回归 陆正飞

上市公司过度负债计算stata代码和数据结果2006-2022年分年Tobit回归

根据Harford et al. (2009)和Denis & Mckeon(2012 )对样本分年度进行Tobit 回归，预测企业的目标负债率，回归模型如下:

企业总负债占总资产比例(LEVB)衡量企业负债率企业实际负债率减去模型预测的目标负债率即为过度资产负债率EXLEVB，该指标越大，表明长期角度下企业过度负债水平越高。同时设定虚拟变量EXLEB_dum衡量企业长期角度下是否过度负债，当EXLEVB大于1时, EXLEVB_ dum取1,否则为0。

模型中控制变量包括：

• 企业盈利能力(ROA)：净利润除以总资产
• 行业负债率的中位数(IND_LEVB)：行业负债率的中位数
• 总资产增长率(GROWTH)：总资产除以上期总资产减1
• 固定资产占比(FATA)：固定资产净额除以总资产
• 企业规模(SIZE)：总资产的自然对数
• 国有性质(SOE)：国有企业取值为1，否则为0
• 第一大股东持股比例(SHRCR1)：第一大股东持股数量除以总股本

【参考文献】

[1]陆正飞, 何捷, 窦欢. 谁更过度负债:国有还是非国有企业?[J]. 经济研究, 2015, 50(12):14.[2]许晓芳, 周茜, 陆正飞. 过度负债企业去杠杆:程度,持续性及政策效应——来自中国上市公司的证据[J]. 经济研究, 2020, 55(8):16.

【说明】

• A股上市公司
• 数据区间2006-2022年
• 剔除金融行业
• 剔除资产负债率大于1的样本
• 剔除缺失值
• 剔除ST、*ST或PT样本